CN116853248A - 一种无人驾驶重型车辆紧急制动控制方法 - Google Patents

一种无人驾驶重型车辆紧急制动控制方法 Download PDF

Info

Publication number
CN116853248A
CN116853248A CN202310605582.5A CN202310605582A CN116853248A CN 116853248 A CN116853248 A CN 116853248A CN 202310605582 A CN202310605582 A CN 202310605582A CN 116853248 A CN116853248 A CN 116853248A
Authority
CN
China
Prior art keywords
vehicle
emergency braking
obstacle
distance
safety distance
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202310605582.5A
Other languages
English (en)
Inventor
宁满旭
刘政禹
李大伟
张博轩
王拓
徐航
王三舟
蒋大伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Machinery Equipment Research Institute
Original Assignee
Beijing Machinery Equipment Research Institute
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Machinery Equipment Research Institute filed Critical Beijing Machinery Equipment Research Institute
Priority to CN202310605582.5A priority Critical patent/CN116853248A/zh
Publication of CN116853248A publication Critical patent/CN116853248A/zh
Pending legal-status Critical Current

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/18—Propelling the vehicle
    • B60W30/18009—Propelling the vehicle related to particular drive situations
    • B60W30/18109—Braking
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
    • B60W40/06—Road conditions
    • B60W40/064—Degree of grip
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/0098—Details of control systems ensuring comfort, safety or stability not otherwise provided for
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0015—Planning or execution of driving tasks specially adapted for safety
    • B60W60/0018—Planning or execution of driving tasks specially adapted for safety by employing degraded modes, e.g. reducing speed, in response to suboptimal conditions
    • B60W60/00184—Planning or execution of driving tasks specially adapted for safety by employing degraded modes, e.g. reducing speed, in response to suboptimal conditions related to infrastructure
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0015—Planning or execution of driving tasks specially adapted for safety
    • B60W60/0018—Planning or execution of driving tasks specially adapted for safety by employing degraded modes, e.g. reducing speed, in response to suboptimal conditions
    • B60W60/00186—Planning or execution of driving tasks specially adapted for safety by employing degraded modes, e.g. reducing speed, in response to suboptimal conditions related to the vehicle
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0001—Details of the control system
    • B60W2050/0019—Control system elements or transfer functions
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0001—Details of the control system
    • B60W2050/0019—Control system elements or transfer functions
    • B60W2050/0028—Mathematical models, e.g. for simulation
    • B60W2050/0031—Mathematical model of the vehicle

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Regulating Braking Force (AREA)

Abstract

本公开是关于一种无人驾驶重型车辆紧急制动控制方法、装置、电子设备以及存储介质。其中，该方法包括：基于车辆的预设参数及行驶状态，根据基于车辆轮胎刚度的Dugoff轮胎模型计算车辆的纵向力、侧向力；建立扩展卡尔曼滤波方程，对路面附着系数进行估计；分别计算预警安全距离、紧急制动安全距离；在所述车辆行驶时，将障碍物距离与所述预警安全距离、紧急制动安全距离对比，根据对比结果，基于预设遇障决策，对车辆执行缓速器动作或紧急制动动作。本公开提出的基于路面附着系数估计的无人驾驶重型车辆紧急制动策略，避免了重型车辆频繁紧急制动造成的车辆受损，防止车辆紧急制动误触发，提高了无人驾驶重型车辆的行驶安全性，减少生命财产损失。

Description

一种无人驾驶重型车辆紧急制动控制方法
技术领域
本公开涉及无人驾驶控制领域，具体而言，涉及一种无人驾驶重型车辆紧急制动控制方法、装置、电子设备以及计算机可读存储介质。
背景技术
近几年重型汽车无人驾驶技术迅猛发展，其主动安全技术已经成为社会关注的重点。传统的被动安全措施(安全气囊、安全带等)在无人驾驶汽车中已经失去作用，故需要一套合理可靠的重型车辆紧急制动安全距离模型计算方法，对路面附着系数、障碍物运动状态等影响车辆制动距离的因素进行综合考虑，来保证车辆准确的判断何时应该进行遇障停车、绕障等行为。路面的变化影响车辆紧急制动时的最大减速度，进而影响车辆的安全距离，路面附着系数可以用来表征路面条件的变化情况；障碍物运动状态直接增大或减小车辆的安全距离。通过实时估计车辆所处路面的附着系数，结合障碍物运动状态，在路面附着系数不发生突变的假设下，就可以准确建立车辆实时需要保证的安全距离模型，便于后续结合环境感知得到车辆紧急制动的正确决策，保证了无人车辆的碰撞安全。
重型车辆的形式环境即包括结构化道路，又包括非结构化道路，这使得其车轮与地面间附着系数变化较大，两种道路共用一套不考虑路面附着系数的安全距离模型是很难确保车辆安全的，加之重型车辆装载后重量大、重心高，这就使得车辆行驶于非结构化道路过程中每个车轮的垂向载荷变化较大，其巨大轮胎的轮胎刚度对于垂向载荷较为敏感，且高速情况下紧急制动货物可能摧毁车辆或造成车辆制动器损伤。
现有技术中，一种自动紧急制动系统自适应多级制动控制方法提供了一种考虑路面附着系数和车辆行驶状态的自适应AEB控制算法，所述AEB控制算法通过获取车辆状态信息、前方障碍物信息和估计得到的路面附着系数，确定两级制动的安全时间阈值和制动压力；当满足制动触发条件时将制动压力控制信号发送到制动执行机构，从而实现车辆的自动紧急制动。根据车身传感器获取的车辆状态信息，通过路面附着系数观测器实时估计当前车辆行驶路面的路面附着系数，结合TTC阈值自适应控制器得到的两级制动TTC阈值，通过模糊控制器得到与碰撞紧急程度相关的多级制动分配系数。这种方法并没有提出路面附着系数的估计方法，其适用于有人驾驶乘用车两，不能解决重型无人驾驶车辆重心高、重量大造成轮胎垂向力变化明显的问题，同时其制动器执行机构通过模糊控制器控制，未考虑缓速器和紧急制动与不制动状态反复切换的情况，对重型车辆的制动器损伤较大。一种路面附着自适应的自主紧急制动控制算法公开了一种路面附着自适应的自主制动紧急(AEB)控制算法。该算法通过获取前向障碍物信息、本车信息以及路面附着系数预测本车与前向障碍物的碰撞危险程度，同时考虑驾驶员的操纵输入做出最终的预警和自主制动决策，以提醒驾驶员采取前向避撞操纵或在必要时通过自主制动干预避免与前向障碍物发生碰撞或减缓碰撞程度。该发明在不改变现有车载传感器配置的前提下实时估算路面附着系数；能根据路面附着系数在安全距离模型中自动调整预警和自主制动的时机，从而确保在各种附着系数路面上前向避撞安全并避免虚警或误制动干预，兼顾了行车安全和良好驾驶体验；在驾驶员制动干预时，该发明能够依据计算出的碰撞危险程度施加必要的制动辅助。该发明虽然考虑了路面附着系数，但将其视为输入量，并未进行估计，该发明通过障碍物信息、本车信息以及附着系数计算碰撞危险系数，从而触发一级预警、二级预警一级自主制动阶段，危险系数又与驾驶员有关，不符合无人驾驶，没有考虑重型车辆特性问题，故该发明不适用于无人驾驶重型车辆。同时算法没有考虑危险系数误触发问题。
因此，需要一种或多种方法解决上述问题。
需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的目的在于提供一种无人驾驶重型车辆紧急制动控制方法、装置、电子设备以及计算机可读存储介质，进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的一个或者多个问题。
根据本公开的一个方面，提供一种无人驾驶重型车辆紧急制动控制方法，包括：
基于车辆的预设参数及行驶状态，根据基于车辆轮胎刚度的Dugoff轮胎模型计算车辆的纵向力、侧向力；
建立扩展卡尔曼滤波方程，基于所述车辆的纵向力、侧向力对路面附着系数进行估计；
根据所述车辆的行驶状态及所述路面附着系数，分别计算预警安全距离、紧急制动安全距离；
在所述车辆行驶时，实时探测所述车辆距障碍物距离，并将所述障碍物距离与所述预警安全距离、紧急制动安全距离对比，根据对比结果，基于预设遇障决策，对车辆执行缓速器动作或紧急制动动作。
在本公开的一种示例性实施例中，所述方法还包括：
根据车辆的预设参数及行驶状态，分别计算车辆垂向载荷、车轮滑移率、车辆侧偏角；
以所述车辆垂向载荷、车轮滑移率、车辆侧偏角为输入，基于Dugoff轮胎模型计算车辆的纵向力、侧向力。
在本公开的一种示例性实施例中，所述方法还包括：
根据车辆的静态载荷的法向反作用力、动态分量、空气升力、滚动阻力偶矩计算所述车辆垂向载荷。
在本公开的一种示例性实施例中，所述方法还包括：
基于公式计算所述车辆的车轮滑移率，其中，V为车辆的车轮中心行驶速度。
在本公开的一种示例性实施例中，所述方法还包括：
基于所述车辆的前轮转角、行驶速度、车辆横摆角计算所述车辆侧偏角。
在本公开的一种示例性实施例中，所述方法还包括：
以所述车辆垂向载荷、车轮滑移率、车辆侧偏角为输入，基于Dugoff轮胎模型计算车辆的纵向力、侧向力，其中，Cx为轮胎纵向刚度，Cy为轮胎侧偏刚度，Fx、Fy、Fz分别为车辆的垂向力、横向力、纵向力，As为速度影响因子，S为车轮滑移率，α为车轮侧偏角，L为中间参数，μ为路面附着系数。
在本公开的一种示例性实施例中，所述方法还包括：
建立车辆纵向力、侧向力、横摆力矩平衡方程；
将所述Dugoff轮胎模型归一化处理，并代入所述车辆纵向力、侧向力、横摆力矩平衡方程，生成扩展卡尔曼滤波方程
观测方程为
其中：
x＝[μfl，μfr，μml，μmr，μrl，μrr]为状态向量，为量测向量，w和v分别为白噪声，m为整车质量，δ为前轮转角，Vx为纵向车速、Vy为横向车速、Iz为整车绕z轴的转动惯量，tf、tm、tr分别为前、中、后轮距，lf、lm、lr分别为前轴、中轴、后轴到质心的距离，/>为纵向、侧向归一化力。
在本公开的一种示例性实施例中，所述方法还包括：
基于所述车辆的行驶状态计算车辆实时最大减速度；
基于车辆采集图像信号中与障碍物的位置差，计算车辆距障碍物距离；
计算紧急制动安全距离为Db＝ds-df+d0，其中，df为制动过程中障碍物运动的距离；ds为制动过程中车辆运动的距离；d0为制动结束后无人车与障碍物之间的预留安全距离；
计算预警安全距离为其中，Db为紧急制动安全距离，vs为车辆速度，th为系统检测障碍物与系统反应时间。
在本公开的一种示例性实施例中，所述方法中预设遇障决策还包括：
将所述车辆距障碍物距离与所述预警安全距离进行对比，若所述车辆距障碍物距离小于所述预警安全距离，则将所述车辆距障碍物距离与所述紧急制动安全距离进行对比；
若所述车辆距障碍物距离大于所述紧急制动安全距离，则将缓速动作标志位标志为1，将紧急制动标志位标记为0；若所述车辆距障碍物距离小于于所述紧急制动安全距离，则将缓速动作标志位标志为0，将紧急制动标志位标记为1；
若所述缓速动作标志位标志累计大于第一预设值，则对车辆执行缓速器动作；若所述紧急制动标志位标记累计大于第二预设值，则对车辆执行紧急制动动作。
在本公开的一种示例性实施例中，所述方法还包括：
将车辆车速与预设车速对比，若所述车辆车速小于预设车速，则不启用预设遇障决策，将紧急制动距离设置为15米；
所述车辆车速大于预设车速，则启用预设遇障决策。
在本公开的一个方面，提供一种无人驾驶重型车辆紧急制动控制装置，包括：
纵向力、侧向力计算模块，用于基于车辆的预设参数及行驶状态，根据基于车辆轮胎刚度的Dugoff轮胎模型计算车辆的纵向力、侧向力；
路面附着系数估计模块，用于建立扩展卡尔曼滤波方程，基于所述车辆的纵向力、侧向力对路面附着系数进行估计；
安全距离计算模块，用于根据所述车辆的行驶状态及所述路面附着系数，分别计算预警安全距离、紧急制动安全距离；
制动控制模块，用于在所述车辆行驶时，实时探测所述车辆距障碍物距离，并将所述障碍物距离与所述预警安全距离、紧急制动安全距离对比，根据对比结果，基于预设遇障决策，对车辆执行缓速器动作或紧急制动动作。
在本公开的一个方面，提供一种电子设备，包括：
处理器；以及
存储器，所述存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时实现根据上述任意一项所述的方法。
在本公开的一个方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现根据上述任意一项所述的方法。
本公开的示例性实施例中的一种无人驾驶重型车辆紧急制动控制方法，其中，该方法包括：基于车辆的预设参数及行驶状态，根据基于车辆轮胎刚度的Dugoff轮胎模型计算车辆的纵向力、侧向力；建立扩展卡尔曼滤波方程，对路面附着系数进行估计；分别计算预警安全距离、紧急制动安全距离；在所述车辆行驶时，将障碍物距离与所述预警安全距离、紧急制动安全距离对比，根据对比结果，基于预设遇障决策，对车辆执行缓速器动作或紧急制动动作。本公开提出的基于路面附着系数估计的无人驾驶重型车辆紧急制动策略，避免了重型车辆频繁紧急制动造成的车辆受损，防止车辆紧急制动误触发，提高了无人驾驶重型车辆的行驶安全性，减少生命财产损失。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
通过参照附图来详细描述其示例实施例，本公开的上述和其它特征及优点将变得更加明显。
图1示出了根据本公开一示例性实施例的一种无人驾驶重型车辆紧急制动控制方法的流程图；
图2示出了根据本公开一示例性实施例的一种无人驾驶重型车辆紧急制动控制方法的另一个流程图；
图3示出了根据本公开一示例性实施例的一种无人驾驶重型车辆紧急制动控制装置的示意框图；
图4示意性示出了根据本公开一示例性实施例的电子设备的框图；以及
图5示意性示出了根据本公开一示例性实施例的计算机可读存储介质的示意图。
具体实施方式
现在将参考附图更全面地描述示例实施例。然而，示例实施例能够以多种形式实施，且不应被理解为限于在此阐述的实施例；相反，提供这些实施例使得本公开将全面和完整，并将示例实施例的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。
此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本公开的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而没有所述特定细节中的一个或更多，或者可以采用其它的方法、组元、材料、装置、步骤等。在其它情况下，不详细示出或描述公知结构、方法、装置、实现、材料或者操作以避免模糊本公开的各方面。
附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个软件硬化的模块中实现这些功能实体或功能实体的一部分，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
在本示例实施例中，首先提供了一种无人驾驶重型车辆紧急制动控制方法；参考图1中所示，该一种无人驾驶重型车辆紧急制动控制方法可以包括以下步骤：
步骤S110，基于车辆的预设参数及行驶状态，根据基于车辆轮胎刚度的Dugoff轮胎模型计算车辆的纵向力、侧向力；
步骤S120，建立扩展卡尔曼滤波方程，基于所述车辆的纵向力、侧向力对路面附着系数进行估计；
步骤S130，根据所述车辆的行驶状态及所述路面附着系数，分别计算预警安全距离、紧急制动安全距离；
步骤S140，在所述车辆行驶时，实时探测所述车辆距障碍物距离，并将所述障碍物距离与所述预警安全距离、紧急制动安全距离对比，根据对比结果，基于预设遇障决策，对车辆执行缓速器动作或紧急制动动作。
本公开的示例性实施例中的一种无人驾驶重型车辆紧急制动控制方法，其中，该方法包括：基于车辆的预设参数及行驶状态，根据基于车辆轮胎刚度的Dugoff轮胎模型计算车辆的纵向力、侧向力；建立扩展卡尔曼滤波方程，对路面附着系数进行估计；分别计算预警安全距离、紧急制动安全距离；在所述车辆行驶时，将障碍物距离与所述预警安全距离、紧急制动安全距离对比，根据对比结果，基于预设遇障决策，对车辆执行缓速器动作或紧急制动动作。本公开提出的基于路面附着系数估计的无人驾驶重型车辆紧急制动策略，避免了重型车辆频繁紧急制动造成的车辆受损，防止车辆紧急制动误触发，提高了无人驾驶重型车辆的行驶安全性，减少生命财产损失。
下面，将对本示例实施例中的一种无人驾驶重型车辆紧急制动控制方法进行进一步的说明。
实施例一：
在步骤S110中，可以基于车辆的预设参数及行驶状态，根据基于车辆轮胎刚度的Dugoff轮胎模型计算车辆的纵向力、侧向力。
在本示例的实施例中，所述方法还包括：
根据车辆的预设参数及行驶状态，分别计算车辆垂向载荷、车轮滑移率、车辆侧偏角；
以所述车辆垂向载荷、车轮滑移率、车辆侧偏角为输入，基于Dugoff轮胎模型计算车辆的纵向力、侧向力。
在本示例的实施例中，所述方法还包括：
根据车辆的静态载荷的法向反作用力、动态分量、空气升力、滚动阻力偶矩计算所述车辆垂向载荷。
在本示例的实施例中，所述方法还包括：
基于公式计算所述车辆的车轮滑移率，其中，V为车辆的车轮中心行驶速度。
在本示例的实施例中，所述方法还包括：
基于所述车辆的前轮转角、行驶速度、车辆横摆角计算所述车辆侧偏角。
在步骤S120中，可以建立扩展卡尔曼滤波方程，基于所述车辆的纵向力、侧向力对路面附着系数进行估计。
在本示例的实施例中，所述方法还包括：
以所述车辆垂向载荷、车轮滑移率、车辆侧偏角为输入，基于Dugoff轮胎模型计算车辆的纵向力、侧向力，其中，Cx为轮胎纵向刚度，Cy为轮胎侧偏刚度，Fx、Fy、Fz分别为车辆的垂向力、横向力、纵向力，As为速度影响因子，S为车轮滑移率，α为车轮侧偏角，L为中间参数，μ为路面附着系数。
在本示例的实施例中，所述方法还包括：
建立车辆纵向力、侧向力、横摆力矩平衡方程；
将所述Dugoff轮胎模型归一化处理，并代入所述车辆纵向力、侧向力、横摆力矩平衡方程，生成扩展卡尔曼滤波方程
观测方程为
其中：
x＝[μfl，μfr，μml，μmr，μrl，μrr]为状态向量，为量测向量，w和v分别为白噪声，m为整车质量，δ为前轮转角，Vx为纵向车速、Vy为横向车速、Iz为整车绕z轴的转动惯量，tf、tm、tr分别为前、中、后轮距，lf、lm、lr分别为前轴、中轴、后轴到质心的距离，/>为纵向、侧向归一化力。
在步骤S130中，可以根据所述车辆的行驶状态及所述路面附着系数，分别计算预警安全距离、紧急制动安全距离。
在本示例的实施例中，所述方法还包括：
基于所述车辆的行驶状态计算车辆实时最大减速度；
基于车辆采集图像信号中与障碍物的位置差，计算车辆距障碍物距离；
计算紧急制动安全距离为Db＝ds-df+d0，其中，df为制动过程中障碍物运动的距离；ds为制动过程中车辆运动的距离；d0为制动结束后无人车与障碍物之间的预留安全距离；
计算预警安全距离为其中，Db为紧急制动安全距离，vs为车辆速度，th为系统检测障碍物与系统反应时间。
在步骤S140中，可以在所述车辆行驶时，实时探测所述车辆距障碍物距离，并将所述障碍物距离与所述预警安全距离、紧急制动安全距离对比，根据对比结果，基于预设遇障决策，对车辆执行缓速器动作或紧急制动动作。
在本示例的实施例中，所述方法中预设遇障决策还包括：
将所述车辆距障碍物距离与所述预警安全距离进行对比，若所述车辆距障碍物距离小于所述预警安全距离，则将所述车辆距障碍物距离与所述紧急制动安全距离进行对比；
若所述车辆距障碍物距离大于所述紧急制动安全距离，则将缓速动作标志位标志为1，将紧急制动标志位标记为0；若所述车辆距障碍物距离小于于所述紧急制动安全距离，则将缓速动作标志位标志为0，将紧急制动标志位标记为1；
若所述缓速动作标志位标志累计大于第一预设值，则对车辆执行缓速器动作；若所述紧急制动标志位标记累计大于第二预设值，则对车辆执行紧急制动动作。
在本示例的实施例中，所述方法还包括：
将车辆车速与预设车速对比，若所述车辆车速小于预设车速，则不启用预设遇障决策，将紧急制动距离设置为15米；
所述车辆车速大于预设车速，则启用预设遇障决策。
实施例二：
在本示例的实施例中，无人驾驶重型车辆在进行作业任务过程的同时以一定的频率计算实时安全距离，当决策出现缓速动作或紧急制动动作指令时，系统打断现有任务，转而执行减速器与制动踏板等其他减速执行机构。整体步骤包括：a)计算车辆纵向力与垂向力。b)建立扩展卡尔曼滤波方程对路面附着系数估计进行估计。c)建立安全距离模型。d)遇障决策。具体流程见图2。
在本示例的实施例中，计算车辆纵向力与侧向力
1.1计算车辆垂向载荷：各个轮胎的法向作用力需要考虑四个部分，分别为静态载荷的法向反作用力、动态分量、空气升力、滚动阻力偶矩产生部分。
1.2计算车轮滑移率：其中滑移率的计算公式为
1.3计算车辆侧偏角：车两侧偏角与前轮转角、车辆速度、车辆横摆角等参数有关。
1.4利用Dugoff轮胎模型计算车辆纵向力与侧向力：Dugoff轮胎模型表达式为：
式中：Cx、Cy分别为轮胎纵向刚度和侧偏刚度；Fx、Fy、Fz分别为垂向、横向和纵向力。As为速度影响因子。轮胎刚度通过轮胎实验可以得到其计算公式，该公式时轮胎垂向力的函数，这样使得轮胎模型更加适用于重型车辆。
在本示例的实施例中，扩展卡尔曼滤波估计路面附着系数
2.1路面附着系数的定义公式为：
2.2建立车辆纵向力、侧向力、横摆力矩平衡方程：为了简化模型，做出以下合理假设：车辆始终在水平路面上行驶，不考虑车辆侧倾、俯仰以及垂向运动；车辆质量均匀分布，忽略空气动力学作用；车辆不具有垂直、横摇和俯仰运动；车辆的前轮转角大小相同；各车轮的运动特性相同；各轮胎性能参数相同，忽略运动过程中的参数变化。
2.3建立扩展卡尔曼滤波估计方程：将Dugoff轮胎模型进行归一化，带入到车辆纵向力、侧向力、横摆力矩平衡方程，并改写为矩阵形式，状态方程为：
观测方程为:
式中：
x＝[μfl，μfr，μml，μmr，μrl，μrr]为状态向量，为量测向量，w和v分别为白噪声，m为整车质量，δ为前轮转角，Vx、Vy分别为纵向、横向车速，Iz为整车绕z轴的转动惯量，tf、tm、tr分别为前、中、后轮距，lf、lm、lr分别为前轴、中轴、后轴到质心的距离，是纵向、侧向归一化力。
在本示例的实施例中，建立安全距离模型：首先通过路面附着系数计算车辆实时最大减速度，而后通过无人车运动状态与环境感知测量结果计算障碍物运动状态，最后计算紧急制动安全距离与预警安全距离。
3.1车辆实时最大减速度的计算公式为：
3.2障碍物运动状态计算：相邻信息帧间障碍物位置差与频率的积即为障碍物此时刻的速度，相邻速度帧的微分为障碍物此时加速度。
3.3紧急制动安全距离计算式为：Db＝ds-df+d0
式中：df为制动过程中前方障碍物运动的距离；ds为制动过程中自车运动的距离；d0为制动结束后无人车与障碍物之间的预留安全距离。
其中df通过障碍物的运动状态来计算；ds为车辆此时刻以最大减速度开始制动直至静止或与障碍物速度相同所运动的距离，该过程考虑制动踏板在起作用的过程中存在减速度逐步增加的情况，并将其视为随时间线性增大至最大减速度。
3.4预警制动安全距离计算式：
式中：th为系统检测障碍物与系统反应时间，该时间的确定需要结合实际车辆与该车辆驾驶经验丰富的司机共同制定。
在本示例的实施例中，遇障决策
决策模块订阅车辆速度、最近障碍物路径距离、预警安全距离和紧急制动安全距离，首先比较车速是否大于3km/h，当符合该要求式开启车辆紧急制动决策模块，不满足则继续判断下一帧是否符合；当出现障碍物数据后开始比较障碍物路径距离是否大于预警安全距离，若满足该条件则无风险，返回速度判断，若不满足则继续判断障碍物路径距离是否大于紧急制动安全距离，若满足该条件则输出一次缓速动作标志位记为“1”，同时输出一次紧急制动标志位记为“0”，若不满足则输出一次紧急制动动作标志位记为“1”，同时输出一次缓速动作标志位记为“0”；按照固定的频率检查两个标志位几率表，且两个标志位记录表中只存有近10次的标志位记录，当缓速标志位记录表中“1”的个数大于等于8个，触发缓速器动作，当紧急制动标志位表中“1”的个数大于8个，同时触发缓速器和紧急制动动作。两种动作的解除条件即为各自标志位表不符合触发条件。
在本示例的实施例中，本公开针对无人驾驶重型汽车安全距离模型，重点通过考虑质量转移的车辆动力学模型和Dugoff轮胎模型理论的结合，利用扩展卡尔曼滤波估计计算车辆行驶过程中实时路面附着系数，并基于此构建安全距离模型，将安全距离与环境感知测量的障碍物信息对比，最终形成分级制动策略控制车辆制动执行机构，保障车辆的安全行驶和作业，避免了车辆误制动或制动力过大造成的车辆损害。
在本示例的实施例中，本公开的优点：通过考虑质量转移的车辆动力学模型和Dugoff轮胎模型理论的结合，建立扩展卡尔曼滤波估计车辆行驶过程中实时的路面附着系数，估计得到的结果更加准确；在车辆安全距离模型中引入车辆所能达到的最大制动减速度与障碍物运动状态，计算得到更加准确且合理的紧急制动安全距离模型；建立较为宽松的不考虑无人驾驶车辆制动减速度的预警安全距离模型，将其与基于路面附着系数估计的紧急制动安全距离模型相结合组成分级制动安全距离模型，可以解决重型车辆紧急制动车体损害大的危害；计算得到的车辆紧急制动安全距离与预警安全距离与环境感知得到的最近路径轨迹距离相比较，分级制动状态切换的触发条件为10帧内的8帧数据满足切换条件，避免了系统不稳定等原因的引起的避免了紧急制动的误触发。
在本示例的实施例中，重型汽车常常行驶于非结构化道路中，造成了重型车辆车轮与地面间的附着系数变化较大，其制动安全距离也随之变化，应在安全距离中考虑路面附着系数，但其工作环境恶劣，不宜使用Cause-Based估计路面附着系数的方法；在应用EKF估计地面附着系数过程中，重型车辆由于其质量大、重心较高，制动时前后质量转移较大，且重型底盘汽车因车轮胎压力高、半径大，使得轮胎的纵向刚度和侧向刚度随垂向载荷变化较大；故重型车辆车轮Dugoff轮胎模型应该考虑车辆的重量转移；以公开的马自达安全距离模型作为预警制动安全距离模型，与基于路面附着系数估计的紧急制动安全距离模型结合，形成分级制动策略，保证重型车辆不会过早的进行紧急制动，而是会在危险较小时缓速制动，在存在碰撞危险时紧急制动，降低了重型车辆紧急制动的初始车速，减小了车辆制动器损耗。同时，在遇障策略中引入标志位判断，避免了由传感器错误帧等因素造成的车辆误制动，也避免了车辆制动过程中安全距离不断变化引起的制动状态与非制动状态反复循环。
需要说明的是，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。
此外，在本示例实施例中，还提供了一种无人驾驶重型车辆紧急制动控制装置。参照图3所示，该一种无人驾驶重型车辆紧急制动控制装置300可以包括：纵向力、侧向力计算模块310、路面附着系数估计模块320、安全距离计算模块330以及制动控制模块340。其中：
纵向力、侧向力计算模块310，用于基于车辆的预设参数及行驶状态，根据基于车辆轮胎刚度的Dugoff轮胎模型计算车辆的纵向力、侧向力；
路面附着系数估计模块320，用于建立扩展卡尔曼滤波方程，基于所述车辆的纵向力、侧向力对路面附着系数进行估计；
安全距离计算模块330，用于根据所述车辆的行驶状态及所述路面附着系数，分别计算预警安全距离、紧急制动安全距离；
制动控制模块340，用于在所述车辆行驶时，实时探测所述车辆距障碍物距离，并将所述障碍物距离与所述预警安全距离、紧急制动安全距离对比，根据对比结果，基于预设遇障决策，对车辆执行缓速器动作或紧急制动动作。
上述中各一种无人驾驶重型车辆紧急制动控制装置模块的具体细节已经在对应的一种无人驾驶重型车辆紧急制动控制方法中进行了详细的描述，因此此处不再赘述。
应当注意，尽管在上文详细描述中提及了一种无人驾驶重型车辆紧急制动控制装置400的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
此外，在本公开的示例性实施例中，还提供了一种能够实现上述方法的电子设备。
所属技术领域的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施例、完全的软件实施例(包括固件、微代码等)，或硬件和软件方面结合的实施例，这里可以统称为“电路”、“模块”或“系统”。
下面参照图4来描述根据本发明的这种实施例的电子设备400。图4显示的电子设备400仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图4所示，电子设备400以通用计算设备的形式表现。电子设备400的组件可以包括但不限于：上述至少一个处理单元410、上述至少一个存储单元420、连接不同系统组件(包括存储单元420和处理单元410)的总线430、显示单元440。
其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元410执行，使得所述处理单元410执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施例的步骤。例如，所述处理单元410可以执行如图1中所示的步骤S110至步骤S140。
存储单元420可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)4201和/或高速缓存存储单元4202，还可以进一步包括只读存储单元(ROM)4203。
存储单元420还可以包括具有一组(至少一个)程序模块4203的程序/实用工具4204，这样的程序模块4205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线450可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备400也可以与一个或多个外部设备470(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备400交互的设备通信，和/或与使得该电子设备400能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口450进行。并且，电子设备400还可以通过网络适配器460与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器460通过总线450与电子设备400的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备400使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施例的描述，本领域的技术人员易于理解，这里描述的示例实施例可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施例的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施例的方法。
在本公开的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施例中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施例的步骤。
参考图5所示，描述了根据本发明的实施例的用于实现上述方法的程序产品500，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
此外，上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其他实施例。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限。

Claims (13)

1.一种无人驾驶重型车辆紧急制动控制方法，其特征在于，所述方法包括：
基于车辆的预设参数及行驶状态，根据基于车辆轮胎刚度的Dugoff轮胎模型计算车辆的纵向力、侧向力；
建立扩展卡尔曼滤波方程，基于所述车辆的纵向力、侧向力对路面附着系数进行估计；
根据所述车辆的行驶状态及所述路面附着系数，分别计算预警安全距离、紧急制动安全距离；
在所述车辆行驶时，实时探测所述车辆距障碍物距离，并将所述障碍物距离与所述预警安全距离、紧急制动安全距离对比，根据对比结果，基于预设遇障决策，对车辆执行缓速器动作或紧急制动动作。
2.如权利要求1所述的方法，其特征在于，所述方法还包括：
根据车辆的预设参数及行驶状态，分别计算车辆垂向载荷、车轮滑移率、车辆侧偏角、车轮刚度；
以所述车辆垂向载荷、车轮滑移率、车辆侧偏角为输入，基于Dugoff轮胎模型计算车辆的纵向力、侧向力。
3.如权利要求2所述的方法，其特征在于，所述方法还包括：
根据车辆的静态载荷的法向反作用力、动态分量、空气升力、滚动阻力偶矩计算所述车辆垂向载荷。
4.如权利要求3所述的方法，其特征在于，所述方法还包括：
基于公式计算所述车辆的车轮滑移率，其中，V为车辆的车轮中心行驶速度。
5.如权利要求4所述的方法，其特征在于，所述方法还包括：
基于所述车辆的前轮转角、行驶速度、车辆横摆角计算所述车辆侧偏角。
6.如权利要求5所述的方法，其特征在于，所述方法还包括：
以所述车辆垂向载荷、车轮滑移率、车辆侧偏角为输入，基于Dugoff轮胎模型计算车辆的纵向力、侧向力，其中，Cx为轮胎纵向刚度，Cy为轮胎侧偏刚度，Fx、Fy、Fz分别为车辆的垂向力、横向力、纵向力，As为速度影响因子，S为车轮滑移率，α为车轮侧偏角，L为中间参数，μ为路面附着系数。
7.如权利要求1所述的方法，其特征在于，所述方法还包括：
建立车辆纵向力、侧向力、横摆力矩平衡方程；
将所述Dugoff轮胎模型归一化处理，并代入所述车辆纵向力、侧向力、横摆力矩平衡方程，生成扩展卡尔曼滤波方程
观测方程为
其中：
x＝[μfl，μfr，μml，μmr，μrl，μrr]为状态向量，为量测向量，w和v分别为白噪声，m为整车质量，δ为前轮转角，Vx为纵向车速、Vy为横向车速、Iz为整车绕z轴的转动惯量，tf、tm、tr分别为前、中、后轮距，lf、lm、lr分别为前轴、中轴、后轴到质心的距离，/>为纵向、侧向归一化力。
8.如权利要求1所述的方法，其特征在于，所述方法还包括：
基于所述车辆的行驶状态计算车辆实时最大减速度；
基于车辆采集图像信号中与障碍物的位置差，计算车辆距障碍物距离；
计算紧急制动安全距离为Db＝ds-df+d0，其中，df为制动过程中障碍物运动的距离；ds为制动过程中车辆运动的距离；d0为制动结束后无人车与障碍物之间的预留安全距离；
计算预警安全距离为其中，Db为紧急制动安全距离，vs为车辆速度，th为系统检测障碍物与系统反应时间。
9.如权利要求1所述的方法，其特征在于，所述方法中预设遇障决策还包括：
将所述车辆距障碍物距离与所述预警安全距离进行对比，若所述车辆距障碍物距离小于所述预警安全距离，则将所述车辆距障碍物距离与所述紧急制动安全距离进行对比；
若所述车辆距障碍物距离大于所述紧急制动安全距离，则将缓速动作标志位标志为1，将紧急制动标志位标记为0；若所述车辆距障碍物距离小于于所述紧急制动安全距离，则将缓速动作标志位标志为0，将紧急制动标志位标记为1；
若所述缓速动作标志位标志累计大于第一预设值，则对车辆执行缓速器动作；若所述紧急制动标志位标记累计大于第二预设值，则对车辆执行紧急制动动作。
10.如权利要求9所述的方法，其特征在于，所述方法还包括：
将车辆车速与预设车速对比，若所述车辆车速小于预设车速，则不启用预设遇障决策，将紧急制动距离设置为15米；
所述车辆车速大于预设车速，则启用预设遇障决策。
11.一种无人驾驶重型车辆紧急制动控制装置，其特征在于，所述装置包括：
纵向力、侧向力计算模块，用于基于车辆的预设参数及行驶状态，根据基于车辆轮胎刚度的Dugoff轮胎模型计算车辆的纵向力、侧向力；
路面附着系数估计模块，用于建立扩展卡尔曼滤波方程，基于所述车辆的纵向力、侧向力对路面附着系数进行估计；
安全距离计算模块，用于根据所述车辆的行驶状态及所述路面附着系数，分别计算预警安全距离、紧急制动安全距离；
制动控制模块，用于在所述车辆行驶时，实时探测所述车辆距障碍物距离，并将所述障碍物距离与所述预警安全距离、紧急制动安全距离对比，根据对比结果，基于预设遇障决策，对车辆执行缓速器动作或紧急制动动作。
12.一种电子设备，其特征在于，包括
处理器；以及
存储器，所述存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时实现根据权利要求1至10中任一项所述的方法。
13.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述计算机程序被处理器执行时实现根据权利要求1至10中任一项所述方法。
CN202310605582.5A 2023-05-26 2023-05-26 一种无人驾驶重型车辆紧急制动控制方法 Pending CN116853248A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310605582.5A CN116853248A (zh) 2023-05-26 2023-05-26 一种无人驾驶重型车辆紧急制动控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310605582.5A CN116853248A (zh) 2023-05-26 2023-05-26 一种无人驾驶重型车辆紧急制动控制方法

Publications (1)

Publication Number Publication Date
CN116853248A true CN116853248A (zh) 2023-10-10

Family

ID=88227453

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310605582.5A Pending CN116853248A (zh) 2023-05-26 2023-05-26 一种无人驾驶重型车辆紧急制动控制方法

Country Status (1)

Country Link
CN (1) CN116853248A (zh)

Similar Documents

Publication Publication Date Title
EP3932762B1 (en) Safety monitoring method and system for autonomous vehicle, and motion control system
CN110155046B (zh) 自动紧急制动分级控制方法与系统
Yoon et al. Design and evaluation of a unified chassis control system for rollover prevention and vehicle stability improvement on a virtual test track
US8849512B2 (en) Systems and methods for scheduling driver interface tasks based on driver workload
CN109131312B (zh) 一种智能电动汽车acc/esc集成控制系统及其方法
EP2261093B1 (en) Method and system for predictive yaw stability control for automobile
US20190143963A1 (en) Method for determining a safe speed at a future way point
US8972106B2 (en) Systems and methods for scheduling driver interface tasks based on driver workload
US20150224998A1 (en) Systems and Methods For Scheduling Driver Interface Tasks Based On Driver Workload
CN112977376B (zh) 车辆制动控制方法、装置、设备和存储介质
JP2005289347A (ja) 車両の横加速度を評価する方法
CN113096424A (zh) 一种行人横穿的车辆自动紧急制动方法及系统
CN114734999A (zh) 车辆控制方法、装置、终端设备及介质
Guizhen et al. Real-time bus rollover prediction algorithm with road bank angle estimation
Lai et al. Simulation analysis of automatic emergency braking system under constant steer conditions
Sevil et al. Development of an adaptive autonomous emergency braking system based on road friction
CN103231710B (zh) 基于驾驶员工作负担调度驾驶员接口任务的系统和方法
JP2004224262A (ja) 自動ブレーキ制御装置
CN116853248A (zh) 一种无人驾驶重型车辆紧急制动控制方法
CN114291071B (zh) 一种车辆稳定性控制主动介入时机的判定方法、系统、可读存储介质及车辆
KR20220131497A (ko) 차량 감속 계획을 생성하는 시스템 및 차량 비일시적 컴퓨터 판독 가능 저장 매체
CN114604234A (zh) 车辆防侧翻控制方法、系统、计算机可读存储介质及车辆
JP5671107B2 (ja) 車両
CN114170805B (zh) 基于aeb碰撞速度的车辆路径规划方法
JP6798138B2 (ja) 車両制御装置及び車両制御方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination